典型文献
多维特征数据驱动的数控车削加工过程碳排放预测研究
文献摘要：
针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了 一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法.首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃物回收处理的总碳排放量计算模型,确定了碳排放不同维度的影响要素;其次,针对不同影响要素的类型,提出了数控车削加工过程碳排放数据的采集、预处理方法,利用岭回归方法对数据主要特征进行选择提取;再次,以提取的特征数据为自变量,提出了一种基于改进的果蝇-差分进化优化BP神经网络算法的数控车削加工过程碳排放预测模型;最后,通过实验对所提方法和模型的有效性进行了验证.
文献关键词：
多维特征数据;数据驱动;碳排放预测;岭回归;果蝇-差分进化优化
中图分类号：
作者姓名：
张华;王正;鄢威;史梦成
作者机构：
武汉科技大学冶金装备及控制教育部重点实验室,湖北 武汉 430081;武汉科技大学绿色制造工程研究院,湖北 武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081
文献出处：
引用格式：
[1]张华;王正;鄢威;史梦成-.多维特征数据驱动的数控车削加工过程碳排放预测研究)[J].机械设计与制造,2022(11):22-26,32
A类：
B类：
多维特征数据,数控车削加工,加工过程,碳排放预测,预测研究,放影,影响要素,动态特性,碳排放特性,材料消耗,辅助材料,能源消耗,废弃物回收,回收处理,总碳,碳排放量,不同维度,碳排放数据,预处理方法,岭回归,果蝇,差分进化,神经网络算法
AB值：
0.182373
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
